Guía del Examen de Fundamentos de Inteligencia Artificial de Microsoft Azure AI-900

Resumen

This course provides a clear understanding of core AI concepts, Microsoft Azure AI services, and the essential strategies behind responsible and effective AI implementation. Learners will gain foundational knowledge that is increasingly valuable across technology, business, and data-driven roles.

By exploring real Azure tools and services, you will learn how to apply AI workloads, understand machine learning fundamentals, and recognize key use cases in computer vision, natural language processing, and generative AI. This course equips you with the practical insights needed to confidently prepare for the AI-900 certification and apply your skills professionally.

The curriculum blends theory with hands-on examples, providing both conceptual clarity and demonstrations of Azure Machine Learning, Azure Cognitive Services, and Azure OpenAI Service. You’ll see how real-world AI solutions are designed, deployed, and evaluated.

This course is ideal for beginners, aspiring AI practitioners, IT professionals, and business users looking to understand AI on Azure. No prior coding or data science experience is required.

Programa

• Identificar características de cargas de trabajo de AI comunes
En esta sección, exploramos las características clave de las cargas de trabajo de Azure AI, incluyendo la monitorización de datos, moderación de contenido, visión por computadora y PNL, enfatizando sus aplicaciones prácticas en soluciones empresariales.
• Identificar los principios orientadores para la IA responsable
En esta sección, cubrimos consideraciones clave para el desarrollo responsable de IA, incluyendo responsabilidad, inclusividad y fiabilidad.
• Identificar técnicas comunes de aprendizaje automático
En esta sección, exploramos técnicas de aprendizaje automático como regresión, clasificación y agrupamiento, enfocándonos en sus aplicaciones prácticas y métricas de evaluación para análisis de datos y predicción.
• Describir conceptos básicos de aprendizaje automático
En esta sección, exploramos características, etiquetas y preparación de datos en el aprendizaje automático, centrados en los conjuntos de datos de entrenamiento y validación y sus roles en el desarrollo del modelo.
• Describir capacidades de Azure Machine Learning
En esta sección, exploramos las capacidades de Azure ML, incluyendo AutoML, servicios de datos y despliegue de modelos.
• Identificar tipos comunes de soluciones de visión por computadora
En esta sección, cubrimos soluciones de visión por computadora, incluyendo características de análisis de imágenes, objetos y rostros.
• Identificar herramientas y servicios de Azure para tareas de visión por computadora
En esta sección, exploramos los servicios Azure AI Vision, Face y Video Indexer para análisis de imágenes, reconocimiento facial y conocimientos de video, enfatizando sus capacidades pre-construidas y personalizables de aprendizaje automático.
• Identificar características de escenarios de carga de trabajo comunes de PNL
En esta sección, exploramos características de carga de trabajo de PNL como extracción de frases clave, reconocimiento de entidades y análisis de sentimiento con aplicaciones prácticas.
• Identificar herramientas y servicios de Azure para cargas de trabajo de PNL
En esta sección, exploramos los servicios de Azure AI para tareas de PNL, enfocándonos en análisis de lenguaje, procesamiento de habla y capacidades de traducción para apoyar el desarrollo de aplicaciones con contenido de texto, habla y multilingüe.
• Identificar características de soluciones de IA generativa
En esta sección, cubrimos características de la IA generativa, consideraciones éticas y aplicaciones en el mundo real.
• Identificar capacidades del servicio Azure OpenAI
En esta sección, cubrimos las capacidades de generación de lenguaje natural, código e imágenes del servicio Azure OpenAI para aplicaciones de IA en Azure.

---

Impartido por

Packt - Course Instructors

---

Materias

Programming